DE19508474A1 - Intelligentes Rechner-Leitsystem - Google Patents
Intelligentes Rechner-LeitsystemInfo
- Publication number
- DE19508474A1 DE19508474A1 DE19508474A DE19508474A DE19508474A1 DE 19508474 A1 DE19508474 A1 DE 19508474A1 DE 19508474 A DE19508474 A DE 19508474A DE 19508474 A DE19508474 A DE 19508474A DE 19508474 A1 DE19508474 A1 DE 19508474A1
- Authority
- DE
- Germany
- Prior art keywords
- control system
- model
- processes
- knowledge
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
- B22D11/16—Controlling or regulating processes or operations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0285—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and fuzzy logic
Description
Die Erfindung betrifft ein intelligentes Rechner-Leitsystem
für Einrichtungen, in denen technische oder biologische
Prozesse zielgerichtet ablaufen, z. B. Produktionsanlagen für
Güter oder Energie, Kommunikationseinrichtungen etc., das
aufbauend auf eingegebenem Vorwissen den jeweiligen Zustand
der in den Einrichtungen ablaufenden Prozesse, z. B. von
kontinuierlichen Herstellungsprozessen, Arbeitsverfahren etc.
anhand der Prozeßergebnisse selbsttätig erkennend und
situationsgerecht zum Erreichen des Prozeßziels rechen
technisch generierte Anweisungen gebend, ausgebildet ist.
Bei industriellen Einrichtungen, wie z. B. Anlagen zur
Erzeugung von Gütern, Energie oder zur Kommunikation etc.
besteht seit jeher das Bedürfnis nach einem Leitsystem, das
eine möglichst optimale, automatische, intelligente Führung
des ablaufenden Prozesses sicher und kostengünstig
ermöglicht. Dabei besteht auch das Bedürfnis nach einer
evolutionären Selbstverbesserung des Leitsystems.
Es ist Aufgabe der Erfindung, ein Leitsystem anzugeben, das
als intelligentes System die vorstehenden Bedürfnisse in
einer Form befriedigt, die eine Übernahme der angewendeten
Rechentechnik auf Einrichtungen der unterschiedlichsten Art
ermöglicht.
Insbesondere durch konventionelle Regel- oder Rechentechnik
nicht besonders gut beherrschbare Teilprozesse sollen dabei
unter Beachtung der Rückwirkungen so optimiert werden, daß
eine Prozeßführung mit Hilfe voreinstellbarer, einfacher
Stellglieder oder über einfache prozeßtechnische Maßnahmen
kostengünstig möglich ist.
Die Aufgabe wird im Grundsatz durch die im Anspruch 1 genann
ten Maßnahmen gelöst. Die Unteransprüche enthalten vorteil
hafte Ausgestaltungen der Lösung.
Im Stand der Technik sind bereits Leitsystem-Lösungen
bekannt, die sogenannte intelligente Komponenten verwenden.
Aus der WO 93/08515 ist z. B. eine Steuer- und
Regeleinrichtung für technische Prozesse bekannt, die mit
wissensbasierten Steuerregeln für ausgewählte Prozeßzustände
arbeitet. Die Bildung von Steuer- oder Stellgrößen für die
übrigen Prozeßzustände erfolgt in der Einrichtung mit Hilfe
einer stetigen mathematischen Funktion, die wissensbasierte
Steuerregeln verknüpft und so - ähnlich einer nichtlinearen
Interpolation - Steuerregeln für alle Prozeßzustände schafft.
Diese bekannte Einrichtung ist nicht im Hinblick auf einen
besseren Prozeßerfolg zielgerichtet selbsttätig handelnd
aufgebaut. Die menschliche Operatorintelligenz ist noch
unverzichtbar. Eine evolutionäre Selbstentwicklung der
intelligenten Komponenten ist nicht vorgesehen.
Aus dem Aufsatz "Das Expertensystem MODI - ein Beitrag zur
wirtschaftlichen und sicheren Führung von Kraftwerken, ABB
Technik 6/7, 1994, Seiten 38-46, ist weiterhin ein Experten
system bekannt, das den Zustand von Kraftwerksprozessen durch
Vergleich charakteristischer Merkmale mit einem mathemati
schen Referenzmodell überwacht und bei Abweichungen vom
Normalverhalten deren Ursachen analysiert. Die anlagenweite
Sichtweise dieses Expertensystems gestattet es, Aussagen über
den Prozeß als ganzes zu machen, eine selbsttätige, sich
automatisch optimierende, Prozeßführung ist über das
beschriebene Experten-System jedoch nicht möglich.
In dem Aufsatz "Process optimization for maximum availability
in continous casting" der Zeitschrift "Metallurgical Plant
and Technology International" 5/1994, Seiten 52-58, wird
weiterhin ein Rechner-Leitsystem beschrieben, das mit Hilfe
von Modellen das Stranggießen von Stahl automatisiert und die
Produktqualität überwacht. Dies geschieht mit Hilfe von
graphischen Darstellungen, also über eine Mensch-Maschine-
Schnittstelle. Eine intelligente automatische Prozeßführung
ist bei diesem Leitsystem ebenfalls nicht vorgesehen.
In ähnlicher Weise arbeitet auch das in der EP 0 411 962 A2
beschriebene Leitsystem, das speziell für das Bandgießen von
Stahl entwickelt wurde. Auch hier sind Anlagentestläufe die
Grundlage für Expertenwissen, das in Form von Grenzkurven
verwendet wird. Eine fortlaufende oder schrittweise, selb
ständige rechentechnische Optimierung findet nicht statt.
Die vorstehend genannten, mit intelligenten Komponenten
arbeitenden Systeme, erreichen die Qualität der
erfindungsgemäßen Lösung nicht. Ein Weg zur Befriedigung der
einleitend genannten Bedürfnisse ist noch nicht einmal
angedeutet.
Wichtig für ein allgemein akzeptiertes Prozeß- und Anlagen-
Leitsystem ist, daß es sicher arbeitet. Erfindungsgemäß weist
daher das Leitsystem vorteilhaft ein, den rechentechnisch
intelligenten Teil ergänzendes, Basis-Funktionssystem auf,
das die Anweisungen aus dem rechentechnisch gewonnenen Wissen
in eine sichere Prozeßführung bzw. Anlagenfunktion umsetzt.
Das Basis-Funktionssystem ist vorteilhaft als ein die Anlage
komponenten je für sich oder zusammengefaßt, sicher arbeits
fähig machendes Subsystem ausgebildet, z. B. auf der Grundlage
der Bedingungen für die Massenflußregelung, für
Eingangsgrößen-Grenzwerte etc. Zusammen mit Sicherheits
kreisen, etwa für die Antriebe in Form eines hochverfügbaren
Systems, wird die, für Produktionsanlagen von Gütern oder
Energie etc. notwendige, Betriebssicherheit erreicht. Auch
bei einem Ausfall oder einer Fehlfunktion der intelligenten
Rechentechnik ist so eine sichere Anlagenfunktion, wenn auch
auf suboptimaler Basis, gewährleistet.
Zur Überführung in einen sicheren Zustand bei Ausfall oder
Fehlfunktion einzelner, intelligenter Leitsystemteile, greift
das, einen sicheren Zustand der Anlage und des Prozesses
garantierende Subsystem vorteilhaft auf als sicher erkannte
oder berechnete Betriebswerte, Verfahrensabläufe etc. zurück,
die vorteilhaft in Tabellenform gesondert gespeichert werden.
Dies ist insbesondere für Anlagen wichtig, die in gefährliche
Zustände geraten könnten (Explosionsgefahr,
Selbstzerstörungsgefahr).
Vorteilhaft ist dabei vorgesehen, daß das Basis-Funktions
system Start- und Hochlaufroutinen aufweist, die manuell oder
automatisch eingegeben werden können sowie insbesondere, daß
Betriebsroutinen vorhanden sind, in denen einzelne, sonst
rechentechnisch ermittelte, Anweisungen durch konstante Vor
gaben ersetzt werden. Konstante Vorgaben können u. a. konstan
te Materialqualitäten, konstante Durchlaufgeschwindigkeiten
des Materials, konstante Kühlmittelmengen etc. sein, so daß,
insbesondere in der Inbetriebsetzungsphase einer Anlage,
erhebliche Teile der Modellerstellung zunächst zurückgestellt
werden können. Dies ist insbesondere vorteilhaft, wenn
entweder das Anlagenwissen noch nicht vollständig vorliegt,
z. B. in Anlagenteilen, in denen Phasenumwandlungen des
Materials stattfinden und für die aufgrund einer hohen
Prozeßtemperatur (bei der Erstarrung von Stahl oder bei den
Vorgängen im Inneren einer Hochtemperatur-Brennstoffzelle)
keine Sensorik vorhanden ist, die Auskunft über das spezielle
Prozeßverhalten in diesem Anlagenteil geben kann oder wenn
noch keine Trainingsdaten für ein neuronales Netz gesammelt
werden konnten. Hier kann bis zum Vorliegen detaillierten
Prozeßwissens ganz oder teilweise mit konstanten Vorgaben
oder begrenzten Vorgabeänderungen gearbeitet werden.
In Ausführung des intelligenten Teils des Leitsystems ist
vorgesehen, daß der Prozeß anhand eines Prozeßmodells
nachgebildet wird. Die Nachbildung ist insbesondere modular
aufgebaut und beschreibt das Verhalten zwischen den
Prozeßeingangsgrößen sowie den Stellgrößen und den
Prozeßausgangsgrößen, d. h. den Mengen- und Qualitäts
kennwerten des erzeugten Produktes. Von wesentlichem Vorteil
(neben der Möglichkeit der Prozeßführung entsprechend der
Anpassung der Parameter o. ä. des Modells) ist bei einem
derartigen, den Prozeß beschreibenden, zur Erstellungs- und
Optimierungsvereinfachung modulartig aufgebauten, Modell die
Möglichkeit der fort laufenden Adaption und Optimierung ohne
in den Prozeß selbst eingreifen zu müssen. Dabei können
vorteilhaft alle gängigen Adaptions- und Optimierungsverfahren
eingesetzt werden. Weiterhin ist sehr vorteilhaft, daß am
Modell auch Grenzzustände berechnet werden können, die
Aufschlüsse über kritisches Verhalten der Anlage geben.
Das Prozeßmodell ist vorteilhaft soweit wie möglich in
mathematischen Beschreibungsformen gehalten. Diese ermög
lichen genau überschaubare Vorhersagen des Prozeßverhaltens.
Für die Anlagenteile, für die Prozeßwissen nur in
linguistisch ausdrückbarer Form vorliegt, werden vorteilhaft
linguistisch formulierte Modellteile verwendet, etwa Fuzzy-
Systeme, Neuro-Fuzzy-Systeme, Experten-Systeme oder auch
Tabellenwerke. So ist auch eine Modellierung physikalisch
nicht beschreibbarer Prozeßteile möglich, wobei die
gedachten Abläufe relativ leicht zu verstehen und wertbar
sind. Für Teilprozesse, für die kein oder kaum Wissen
vorliegt, ist es vorteilhaft, wenn als Modellteil ein
lernfähiges neuronales Netz verwendet wird, wobei die
Lernfähigkeit auch den Aufbau des neuronalen Netzes umfaßt.
Da diese, in ihrer inneren Funktion unbekannten, Teile des
Modells nur einen kleinen Teil des Gesamtmodells ausmachen,
sind diese Lücken im Anlagenwissen, die rein funktionell
ausgefüllt werden, hinnehmbar. Vorteilhaft werden als neuro
nale Netze einfache feed forward-Netze verwendet, die durch
Back Propagation verbessert werden.
Für eine Optimierung durch verbesserte Modelle bieten sich
neben anderen Optimierungsstrategien insbesondere genetische
Algorithmen an. Bei diesen ist die Wahrscheinlichkeit hoch,
das erreichbare Optimum oder ein anderes sehr gutes,
suboptimales Extremum, tatsächlich zu finden. Die Eignung der
Strategie der Rechnungen mit genetischen Algorithmen o. ä.
kann dabei insbesondere durch ein neuronales Netz geprüft
werden, das die in Richtung eines globalen Optimums laufenden
Werte ermittelt. Diese Optimierung erfolgt wegen des damit
verbundenen großen Rechenaufwandes vorteilhaft off-line.
Eine off-line Rechnung empfiehlt sich auch für die Parameter
adaption des Modells mit Ausnahme der Modellteile, die
Anlagenteile mit schnellen dynamischen Vorgängen beschreiben.
Die Startwerte für einen Optimierungsvorgang werden ebenso
wie bei den Adaptionsvorgängen auf der Basis von im
Prozeßdatenspeicher archivierten Betriebsdaten ermittelt,
dies hat den Vorteil, daß der Vorgang beschleunigt wird. Bei
Optimierungsvorgängen, etwa wenn das Optimierungsergebnis
unbefriedigend ist, kann es aber auch vorteilhaft sein, mit
vollständig neuen Ausgangsdaten zu beginnen. So wird verhin
dert, daß sich der Optimierungsvorgang nur in einem Nebenge
biet des globalen Optimums abspielt. Dies gilt insbesondere,
wenn der Aufbau des Modells unsicher ist, hier empfiehlt es
sich, mit geändertem Modell und neuen Startwerten neue
Optimierungen durchzuführen. Die Optimierungen werden in
einer dafür bestimmten Recheneinheit, dem Optimierer
durchgeführt.
In Ausgestaltung der Erfindung ist nun vorgesehen, daß die
vom Optimierer off-line anhand des Prozeßmodells bestimmten
einstellbaren Prozeßgrößen, die so ermittelt werden, daß die
vom Modell nachgebildeten Kennwerte des erzeugten Produktes
möglichst gut mit den vorgegebenen wünschenswerten überein
stimmen, als Vorgabewerte an das Basis-Funktionssystem des
Prozesses gegeben werden und von diesem der Prozeß ent
sprechend den Vorgabewerten eingestellt wird. So ergibt sich
eine sichere Prozeßführung neben der gleichzeitig eine wei
tere Optimierung möglich ist.
In Ausgestaltung der Erfindung ist vorgesehen, daß das Vor
wissen laufend durch am Prozeß während der Produktion intern
rechentechnisch, z. B. in unterschiedlichen Betriebspunkten,
gewonnenes Wissen verbessert und dieses selbst generierte
Prozeßwissen in einen, insbesondere ständig aktualisierten,
Datenspeicher übernommen wird. Durch diese Vorgehensweise er
folgt ständig ein vorteilhafter Ausbau des Vorwissens über
die Anlage und ihr Verhalten.
Es ist dabei vorgesehen, daß die Vorgabewerte für das Basis-
Funktionssystem, die bei einem Ausfall o. ä. des intelligenten
Teils des Leitsystems direkt aus den Daten der Prozeßdatenbank
erzeugt werden, durch einen Interpolationsvorgang gewonnen
werden, insbesondere durch eine Fuzzy-Interpolation. So
ergibt sich ein Betrieb des Leitsystems nahe am optimalen
Betriebspunkt auch bei Ausfall oder Fehlfunktion des
intelligenten Teils des Leitsystems.
Es ist weiterhin vorgesehen, daß die Vorgabewerte für das
Basis-Funktionssystem und das Grundwissen laufend auch durch
externe Simulationsrechnungen, Modellversuche o. ä. verbessert
werden, insbesondere in Anpassung an Änderungen der ver
wendeten technischen Mittel in den Anlagenkomponenten oder an
einen veränderten Anlagenaufbau. So ist eine Anpassung an den
Fortschritt der Technik jederzeit möglich, wobei der modulare
Aufbau des Leitsystems sich besonders günstig auswirkt. Die
externen Simulationsrechnungen, Modellversuche etc. können
dabei insbesondere dabei helfen festzustellen, ob und wie
sich Anlagenverbesserungen in einer entsprechenden
Produktverbesserung niederschlagen können.
Die Grundidee des vorstehend geschilderten Leitsystems mag
für autonom bewegliche Dienstleistungs-Roboter o. ä.
naheliegend erscheinen. Einem Wunschdenken entsprechend
sollen diese menschliche Verhaltensweisen aufweisen. Für
stationäre industrielle Anlagen, die um ein Vielfaches kom
plexer sind und fortlaufend ein optimales Produktionsergebnis
sicher erzielen müssen, lagen derartige Ideen jedoch bisher
fern. Insbesondere, da für industrielle Anlagen, in denen
komplexe Prozesse ablaufen, im Gegensatz zu Dienstleistungs
robotern o. ä., ein intelligentes Verhalten nicht aus der
menschlichen Verhaltensweise ableitbar ist.
Die Erfindung wird anhand von Zeichnungen näher erläutert,
aus denen weitere, auch wesentliche, erfinderische Einzel
heiten ebenso wie aus den Unteransprüchen entnehmbar sind.
Die Zeichnungen zeigen, stellvertretend für andere industri
elle Prozesse, einen Bandgießprozeß für Stahl mit seiner
Leitsystemstruktur und dem für diesen Prozeß spezifische
Modell sowie Einzelheiten der Basisautomatisierung.
Im einzelnen zeigen
Fig. 1 eine schematisierte Darstellung der Bandgießanlage
mit Meßdatenerfassung und Stellgrößenausgabe,
Fig. 2 die Struktur des "intelligenten" Teils des Leitsy
stems mit der Sollwert-Vorgabebildung,
Fig. 3 Einzelheiten des Prozeßoptimierers,
Fig. 4 Einzelheiten des Adaptionsvorgangs,
Fig. 5 wesentliche Bestandteile des Prozeßmodells und ihre
Grob-Verknüpfungsstruktur,
Fig. 6 erfindungswesentliche Teile des Datenspeichers und
Fig. 7 ein Komponenten-Schema der Basisautomatisierung.
In Fig. 1 bezeichnet 1 die Gießwalzen einer Zweiwalzen-Gieß
einrichtung, wobei zwischen den Gießwalzen 1 das Material,
etwa flüssiger Stahl, aus der Gießpfanne 4 über den Tundish 5
und ein Tauchrohr 6 eingegeben wird und zu einem Band 3 er
starrt, das in einer, durch die Kreise 2 mit Bewegungspfeilen
symbolisierten, Walzanlage weiterverformt werden kann. Die
nachgeschaltete Walzanlage kann auch einfach durch Förder
rollen, eine Haspel o. ä. ersetzt werden, wenn das Auswalzen
nicht unmittelbar nach dem Gießen erfolgen soll. Die Ausge
staltung der Gesamtanlage wird anforderungsspezifisch vor
genommen. Auch eine Ausbildung der, der Gießeinrichtung
nachgeschalteten, Anlage als Warm-Kalt-Walzwerk ist möglich
und bei sehr hohen Gießgeschwindigkeiten empfehlenswert, da
dann auch der Kaltwalzteil der Anlage ausreichend ausgelastet
sein kann.
Zwischen den Gießwalzen und den nachgeschalteten Einrichtun
gen weist die Gießwalzeinrichtung vorzugsweise ein ebenfalls
nur symbolisch dargestelltes elektrodynamisches System 8,9
und ein Induktionsheizsystem 10 auf. Der elektrodynamische
Systemteil 8 dient dabei vorteilhaft der Gewichtsentlastung,
des gegossenen, hier noch sehr weichen und damit einschnü
rungsgefährdeten, Bandes 3 und der elektrodynamische System
teil 9 der Führung des Bandes 3, während dem Induktionsheiz
system 10 die Einhaltung eines vorherbestimmten Temperatur
profils über die Bandbreite obliegt, wenn sich z. B. eine di
rekte Nachverformung in einer Walzanlage anschließt. Dies ist
insbesondere für rißempfindliche Stähle vorteilhaft. Die
Kontrolle des gegossenen Bandes 3 auf Risse erfolgt durch
eine Kamera 73, wobei vorteilhaft ausgenutzt werden kann, daß
das Rißbild im Zunder durch Risse im Grundmaterial beeinflußt
wird. Die Bildung einer Meßgröße erfolgt dabei vorteilhaft
durch ein Neuro-Fuzzy-System.
Da die Oberflächentemperatur der Gießwalzen zur Vermeidung
von Temperaturwechselbeanspruchungen im wesentlichen konstant
sein soll, werden diese durch ein IR-Heizsystem 7, ein Induk
tionsheizsystem o. ä. auch in dem, nicht mit flüssigem Stahl
in Berührung stehenden Bereich, auf Arbeitstemperatur gehal
ten. Diese und andere Einzelkomponenten der, nur grob schema
tisch gezeichneten, Gießwalzeinrichtung werden z. B. über Tem
peraturregler, Durchflußeinsteller, Drehzahlregler etc. im
Rahmen der Basisautomatisierung über eine Stellgrößenausgabe
12 direkt oder geregelt eingestellt. Die Ist-Daten der Stell
glieder, der Regler etc. werden in der Meßdatenerfassung 11
für den Datenspeicher und den Modelleingang sowie in nicht
gezeigter Weise für die Basisautomatisierung zusammengefaßt
und aufbereitet. Durch die Datenübertragungen I, II und VI,
die durch Pfeile symbolisiert sind, ist die Gießwalzein
richtung, in der die auf den beiden Gießwalzen 1 gebildeten
Erstarrungsschalen des Stahls nicht nur vereinigt, sondern
auch schon walzend vormaßhaltig geformt werden, mit dem in
telligenten Teil des Leitsystems verbunden.
Fig. 2 zeigt die Struktur des intelligenten Teils des Leit
systems. Dieser besteht im wesentlichen aus den Teilen Pro
zeßoptimierer 15, Modell 20, Modelladaption 16 und Datenspei
cher 17. Diese Teile des Leitsystems wirken derart zusammen,
daß über die Sollwertausgabe 13 möglichst gute,
situationsgerechte Anweisungen über die Datenleitung V zur
Prozeßführung zur Verfügung gestellt werden. Diese
Anweisungen werden dann in Sollwerte für die Basis
automatisierung umgesetzt. Im folgenden wird die Aufgabe und
die Funktion der einzelnen Teile beschrieben.
Das Modell 20 bildet das statische Prozeßverhalten
yi = fi (u₁, . . ., ui, . . ., v₁, . . ., vi, . . .),
d. h. die Abhängigkeit der n Modellausgangsgrößen i von den
Stellgrößen ui, mit denen der Prozeß beeinflußt werden kann,
und von den nichtbeeinflußbaren Prozeßgrößen vi, wie z. B. der
Kühlwassertemperatur, nach. Die Modellausgangsgrößen sind da
bei, wie schon erwähnt, typische Qualitätsparameter des Pro
duktes. Die Modellbeschreibung
i = i (u1, . . ., ui, . . ., v1, . . ., vi, . . .)
erfaßt das Prozeßverhalten im allgemeinen nicht exakt, wes
halb yi und i mehr oder weniger voneinander abweichen. Über
tragen werden die Stellgrößen ui und die nichtbeeinflußbaren
Stellgrößen vi über die Datenleitungen I und II.
Die Modelladaption 16 hat die Aufgabe das Modell zu verbes
sern, damit das Modellverhalten möglichst gut dem Prozeßver
halten entspricht. Dies kann - zumindest für Modellteile -
on-line geschehen, indem diese Modellteile auf der Basis von
laufend erfaßten Prozeßdaten adaptiert oder nachgeführt wer
den.
Für andere Modellteile kann die Adaption auch off-line zu be
stimmten Zeitpunkten vorgenommen werden. Dies geschieht auf
der Basis einer Anzahl in von den Prozeß repräsentierenden
Prozeßzuständen (ui k, vi k, yi k), die im Datenspeicher 17 abgelegt
sind. Der Index k beziffert den jeweiligen Prozeßzustand. Bei
dieser Art der Adaption wird der Modellfehler
minimiert in Abhängigkeit von den Modellparametern oder der
Modellstruktur. D.h. man variiert die Modellparameter bzw.
die -struktur so, daß ε möglichst klein wird.
Der Prozeßoptimierer hat die Aufgabe, mittels eines Optimie
rungsverfahrens und des Prozeßmodells Stellgrößen ui zu fin
den, die zu einem möglichst guten Prozeßverhalten führen. Der
Prozeßoptimierer arbeitet off-line zu bestimmten, beispiels
weise manuell vorgebbaren Zeitpunkten und zwar wie folgt:
Zuerst werden die nichtbeeinflußbaren Stellgrößen vi, für die die Optimierung erfolgen soll - z. B. die aktuellen - , kon stant gehalten und dem Modell über die Datenleitung II zuge führt. Sodann wird mittels Schalter 18 der Prozeßoptimierer mit dem Modell verbunden. Er gibt Stellwerte ui auf das Modell. Über das Modell werden die Ausgangswerte i bestimmt. Diese werden mit Sollausgangswerten ySoll,i verglichen, und es wird der Fehler
Zuerst werden die nichtbeeinflußbaren Stellgrößen vi, für die die Optimierung erfolgen soll - z. B. die aktuellen - , kon stant gehalten und dem Modell über die Datenleitung II zuge führt. Sodann wird mittels Schalter 18 der Prozeßoptimierer mit dem Modell verbunden. Er gibt Stellwerte ui auf das Modell. Über das Modell werden die Ausgangswerte i bestimmt. Diese werden mit Sollausgangswerten ySoll,i verglichen, und es wird der Fehler
bestimmt.
Der Fehler E soll minimiert werden. Zu diesem Zweck variiert
der Prozeßoptimierer die Stellgrößen ui solange in einer
iterativen Schleife, die jeweils die Berechnung von yi und E
sowie die Neuauswahl von ui enthält, bis der Fehler nicht
weiter verringert werden kann oder man diese Optimierung ab
bricht. Als Optimierungsverfahren können beispielsweise gene
tische Algorithmen, Hill-Climbing-Methoden etc. eingesetzt
werden.
Die so erhaltenen optimalen Stellgrößen uopt,i, die das Ergebnis
obiger Minimierung sind, werden dann über die Sollwertvorgabe
und die Datenleitung V als Sollwerte zum Basisfunktionssystem
transferiert.
Der Datenspeicher hat die Hauptaufgabe repräsentative Prozeß
zustände (ui, vi, yi) zu archivieren. Hierbei ersetzt er alte Pro
zeßdaten immer wieder durch neu ermittelte, um anhand dieser
Daten eine aktuelle, wenn auch punktuelle, Prozeßbeschreibung
zu ermöglichen. Der Datenspeicher versorgt dann einerseits,
wie oben beschrieben, die Modelladaption. Andererseits lie
fert er auch Startwerte ui für den Prozeßoptimierer. Die
Startwerte werden hierbei z. B. so ausgewählt, daß die zu die
sen Startwerten gehörenden Ausgangswerte yi möglichst gut den
Sollwerten ySoll,i entsprechen.
Die vorzugsweise off-line arbeitende Schleife: Modell 20 und
Prozeßoptimierer 15, die sich etwa z. B. genetischer Algo
rithmen zur z. B. evolutionären, Modellverbesserung bedient,
arbeitet vorzugsweise deswegen off-line, weil wegen der Kom
plexität eines Anlagenleitmodells mit seinen vielen möglichen
Ausgestaltungen die Rechenzeit eines evolutionären Opti
mierungsvorgangs vergleichsweise lang wird. Auch bei guten
Optimierungsstrategien, die z. B. aufgrund einer Analyse des
wahrscheinlichen Modellverhaltens ausgewählt werden, sind
viele Optimierungsvorgänge bis zum Erreichen einer deutlichen
Modellverbesserung durchzurechnen.
Die Erstellung einer erfindungsgemäß zu verwendenden Modell
struktur und eines wesentlichen Teilmodells wird z. B. in dem
Aufsatz "Automation Of A Laboratory Plant For Direct Casting
Of Thin Steel Strips" von S. Bernhard, M. Enning and H. Rabe
in "Control Eng. Practice", Vol. 2, No. 6, page 961-967, 1994,
Elsevier Science Ltd. beschrieben. Aus dieser Veröffent
lichung sind u. a. auch die Grundstrukturen geeigneter Basis
automatisierungssysteme und von Startroutinen zu ersehen, auf
denen der Fachmann aufbauen kann.
Als Rechner für die Prozeßoptimierung und die Parameter
adaption sind Workstations, z. B. von der Firma Sun, geeignet.
Für große Leitsysteme werden vorteilhaft parallel arbeitende
Rechner eingesetzt. Dies gilt insbesondere, wenn das Modell
in Gruppen von Modell-Modulen aufteilbar ist, die teilab
hängig voneinander optimiert werden können.
Im Vergleichspunkt 19, in den die Sollwerte, im gewählten
Ausführungsbeispiel die Sollwerte für die Banddicke, die Pro
filform, die Oberflächengüte des Bandes etc. einfließen,
werden laufend die Ergebnisse aus der Modellrechnung mit den
Sollwertvorgaben verglichen. Die Differenz ist durch die
Optimierung zum minimieren. Da die Differenz bei technischen
Prozessen im allgemeinen nicht Null werden kann, muß der
Optimierungsvorgang sinnvoll begrenzt, also vorgegeben abge
brochen werden. Genauere Einzelheiten der Programmstruktur,
mit der die Optimierung abgebrochen und jeweils die neue
Sollwertausgabe gestartet wird, zeigt Fig. 3.
In Fig. 3 bezeichnet 58 eine, jeweils auszuwählende, Fehler
funktion, in die die festgestellten Fehler (Sollwertabwei
chungen) einfließen. In 61 wird nun untersucht, ob die Feh
lerfunktion die Abbruchkriterien der Optimierung erfüllt.
Falls dies der Fall ist, werden weiter optimierte Steuer- und
Regelgrößen ausgegeben. Vor Erreichen des Abbruchkriteriums
gelangen laufend Startwerte vom Datenspeicher in die Start
wertvorgabe 59, aus denen in Suchschritten in 60, nicht vom
Optimierer, sondern aus dem Datenspeicher, z. B. unter Zuhil
fenahme einer Fuzzy-Interpolation, Steuer- und Regelparameter
für eine suboptionale Prozeßführung gewonnen werden. Eine
Umschaltung erfolgt nach Erreichen des vorherbestimmten
Gütefaktors, der dem jeweiligen Leitsystem-Wissensstand an
gepaßt wird. Wie bereits vorstehend gesagt, wird die Minimie
rung, die ja niemals absolut sein kann, bei Erreichen des
vorgegebenen Gütefaktors abgebrochen.
Aus dem Modell wird im übrigen vorteilhaft, wenn es an den
Prozeß angeschlossen, d. h. Schalter 1 geschlossen ist, auch
ein Alarmsignal generiert, welches das Erreichen kritischer
Betriebszustände signalisiert. Derartige Prozeduren sind
bereits bekannt und finden sich in gleicher Weise auch in
konventionellen Leitsystemen.
In Fig. 4, die die Struktur einer Modelladaption mittels eines
Optimierungsalgorithmus zeigt, gelangen Daten aus der Start
wertvorgabe 61 in eine Suchschritteinheit 62 und werden von
dort als Modellparaineter an das Modell 63 weitergegeben. Das
Modell 63 bildet zusammen mit dem Datenspeicher 64 eine Para
meterverbesserungsschleife, die in 65 in bekannter Weise die
gebildeten und gespeicherten Werte vergleicht. Die Ver
gleichswerte werden der Fehlerfunktion 67 zugeführt, die ihre
Werte an die Abbruchkriterieneinheit 66 weitergibt. Sind die
Abbruchkriterien erfüllt, wird das Modell nicht mehr weiter
verbessert und mit den vorhandenen Werten gearbeitet. Sonst
wird die Optimierung mit weiteren Suchschritten und den
Zwischenwerten im Datenspeicher weitergeführt.
In Fig. 5, die die wesentlichen Teilmodelle des Prozeßgesamt
modells des Ausführungsbeispiels zeigt, bezeichnet 46 das
Eingangsmodell, in dem die Außeneinflüsse, etwa die Einflüsse
aus der Qualität des eingesetzten Materials, zusammengefaßt
sind. Aus der Stahl-Einsatzqualität ergibt sich z. B. der
Liquiduswert, der Soliduswert, sowie weitere, das Gießver
halten kennzeichnende Größen. 47 bezeichnet das Tundishmo
dell, in das z. B. das Stahlvolumen des Tundish, die Tauch
rohrstellung o. ä., die Stopfenstellung und die Stahl-Aus
flußtemperatur eingehen. Die Eingangsmodelle 46 und 47 werden
im Teilmodell 56 zusammengefaßt, das den Status des zuge
führten Materials wiedergibt. Derartige Teilmodelle können
vorteilhaft parallel zu anderen Teilmodellen, etwa dem Gieß
bereichsmodell, dem Walzbereichsmodell o. ä. optimiert werden.
Das Eingangsmodell 48 enthält die Einflüsse, die die Erstar
rung beeinflussen, z. B. die Gießwalzenkühlung, die Infrarot
heizung etc., Das Eingangsmodell 49 enthält die Werte, die
für die Wärmebilanz notwendig sind, so die Stahl-Gießwalzen-
Temperaturdifferenz, den Schmiermitteleinfluß als Funktion
der Schmiermittelmenge, die Kristallbildungsgeschwindigkeit
der jeweiligen Stahlsorte sowie z. B. den Walzenoberflächen
zustand. Das Eingangsmodell 50 enthält z. B. die Einflüsse der
Gießspiegelcharakteristik, so die Gießspiegelhöhe, die
Schlackenschichtdicke und den Abstrahlungskoeffizienten. Die
Eingangsmodelle 48,49 und 50 sind zu einem Teilmodell 54, das
den Status Gießbereich wiedergibt, zusammengefaßt. Diese
Modellbereichs-Zusammenfassung ist allgemein für Produktions
bereiche vorteilhaft, da sie die Gesamt-Modelloptimierung
vereinfacht und verbessert. Unter sich sind die Teilmodelle
z. T. noch voneinander abhängig, so etwa in erheblichem Maß
die Eingangsmodelle 49 (Eingangsmodell Wärmebilanz) und 50
(Eingangsmodell Gießspiegelcharakteristik). Sekundärabhän
gigkeiten sind zur Vereinfachung nicht dargestellt.
Das Teilmodell 51 enthält alle Einflüsse auf die Erstarrungs
front, d. h. auf den Bereich, in dem die auf den beiden Kühl
walzen erstarrten Metallschalen zusammentreffen. Im wesentli
chen sind diese Einflüsse die Umformarbeit, die von den Gieß
walzen geleistet wird, die Vibrationsweite der Gießwalzen
oder des austretenden Bandes, die Seitenspalt-Dichtungs
einflüsse und der Anstrengungsgrad des Gesamtsystems, dies
ist z. B. ein Fuzzy-Modell. Das Teilmodell 52 gibt die Aus
trittswerte wieder, so z. B. die Qualität des Bandes, die
Austrittstemperatur- und Verteilung, aber auch die Klebe
neigung und den Zustand des gebildeten Zunders. In das Teil
modell 52 geht auch das Eingangsmodell 53 und das Eingangsmo
dell 74 ein, die sich auf den Temperaturverlauf quer zum
Band und auf den Oberflächenzustand des Bandes beziehen. Für
den besonders vorteilhaften Fall, daß es sich um ein
Bandgieß-Walzwerk handelt, gehen auch die
Walzwerksteilmodelle 54 mit in dieses spezielle Prozeßmodell
ein, da die Produktausbildung nach dem Austritt aus den
Walzgerüsten das entscheidende Kriterium ist.
Die Teilmodelle sind zu dem Produkt-Ausbildungsmodell 57 zu
sammengefaßt, welches das Dickenprofil des gebildeten Bandes,
die Banddicke, ein evtl. auftretendes Fehlerbild, die Korn
struktur des Bandes, die Oberflächenstruktur etc. zusammen
faßt. Die Oberflächenstruktur und insbesondere die Kornstruk
tur des Bandes sind nur mit erheblicher Zeitverzögerung er
mittelbar. Hier arbeitet man daher vorteilhaft mit Teilmodel
len auf der Basis von neuronalen Netzen zur qualitativen und
quantitativen Einflußgrößenermittlung.
Aus der vorstehenden Darstellung ergibt sich der besondere
Vorteil, der sich aus der Ausbildung des Modells in Modulform
ergibt, da insbesondere so die Teile eines komplexen Gesamt
prozeßmodells parallel bearbeitbar werden. Dies ist besonders
vorteilhaft für den Inbetriebsetzungszeitraum einer Anlage,
in dem die Eingangs- und Teilmodelle den tatsächlichen Ver
hältnissen angepaßt, miteinander verknüpft etc. werden müs
sen.
Fig. 6 zeigt schließlich den erfindungsgemäß wesentlichen Teil
der Datenspeicherstruktur. 68 bezeichnet das Prozeßdaten
archiv, 69 den Modellparaineterspeicherteil, 70 den Teil mit
den Startwerten für den Optimierer und 71 den Speicherteil
für die sicheren Betriebspunkte. In 68 wird auch die jewei
lige Modellausbildung gespeichert.
Die Basisautomatisierung, die mit ihren Regelungen, Steue
rungen, Verriegelungen etc., einen unverzichtbaren Teil des
Leitsystems bildet, da sie u. a. das sichere Funktionieren der
Anlage auch bei einer Fehlfunktion des Modellteils des
erfindungsgemäß arbeitenden Leitsystems garantiert, muß eine
Vielzahl von Funktionen erfüllen.
Die einzelnen Funktionen sind, nicht abschließend, durch die
einzelnen "black box" in Fig. 7 symbolisiert. Dabei bedeutet
21 im Ausführungsbeispiel die Massenflußregelung über die
Einzel-Drehzahlregler, 22 die Regelung der Tundish-Heizung,
23 die Gießspiegelregelung, 24 die Tundish-Ausflußregelung
und 25 die Heizleistung des Infrarot- o. ä. Schirms 7 für die
Aufrechterhaltung der Betriebstemperatur der Gießwalzen. 26
bedeutet die Regelung der Schmiermittelzugabe, z. B. in Form
von losem Gießpulver oder von auf die Gießwalzen aufgetrage
ner Gießpulverpaste, 27 die Kühlwassermengenregelung, 28 ggf.
die Walzenoszillationsregelung, 29 die elektrische
Antriebsregelung und 30 die Walzspalteinstellung. 31 bedeutet
die Walzendrehzahlregelung und 32 ggf. die Regelung des
Walzendrehmoments, 33 die Einstellung des Reinigungssystems,
bestehend beispielsweise aus einer Bürste und einem Schaber
für die Gießwalzen und 34 die Regelung des elektrodynamischen
Systems zum Ausgleich des Bandgewichtes sowie 35 die Regelung
der Vibrationsweite des gegossenen Bandes. 36 bedeutet die
Regelung der einzelnen Teile eines elektrodynamischen Systems
zur Seitenspaltabdichtung und 37 die Regelung der Heizung für
die Seitenwände des Raumes zwischen den Gießwalzen. 38
bedeutet die Temperatur-Profilregelung des Induktions
heizsystems 10. 39 sowie angedeutete weitere Regeleinheiten
beziehen sich auf Regelungen der nachgeschalteten Ver
formungseinheiten, z. B. Walzgerüsten, den Zug zwischen diesen
Walzgerüsten etc. Auf die vorstehenden Stellglieder, Regler
etc. wirkt die Zeitsteuerung 45, die die Stellgrößenausgaben
etc. zeitlich koordiniert. Im Block 40 sind beispielhaft die
Hilfs-Steuerungen und die Verriegelungen zusammengefaßt, so
bedeuten z. B. 41 die Anfahrautoinatik, 42 die Ausschalt
automatik, 43 und 44 Verriegelungen, die z. B. verhindern, daß
Flüssigstahl fließen kann, bevor das Gieß-Walzenpaar und die
Verformungswalzen arbeitsfähig sind, etc. Darüber hinaus sind
weitere, in dem Prinzipbild nicht dargestellte, Systeme für
die ggf. erforderliche Bandkantenabtrennung, z. B. durch
Laser, für die Zunderausbildungsbeeinflussung, z. B. durch
Silikatisierung, die Walzenschmierung etc. vorhanden. In der
Basisautomatisierung, in die die Meßdaten I und die Soll
wertvorgaben V eingehen, werden die Stellgrößen VI generiert,
über die die Anlage geführt wird.
Die Charakteristik des sich selbst optimierenden und wis
sensmäßig weiterentwickelnden Leitsystems, am Beispiel des
Gießwalzprozesses gezeigt, werden im folgenden näher erläu
tert:
Der Gießwalzprozeß besteht aus einer Anzahl von Teilprozes sen, deren Ausbildung und Einflüsse ausschlaggebend für das Endprodukt sind. Erfindungsgemäß beeinflußbar und optimierbar sind dabei die Eigenschaften des Endproduktes, z. B. seiner Dicke, seinem Dickenprofil und seiner Oberflächenausbildung, durch eine Reihe einstellbarer Prozeßgrößen, wie z. B. dem Gießwalzspalt, dem Gießwalzenprofil, der Gießspiegelhöhe etc., die wiederum die Lage der Vereinigungszone der auf den Gießwalzen abgeschiedenen, erstarrten Metallschalen beein flussen. Für eine Regelung und Optimierung wird vorteilhaft erfindungsgemäß ein Gesamtprozeßmodell erstellt, welches das Prozeßverhalten beschreibt. Auf der Basis dieses Prozeßmo dells können die -Einflußgrößen, mit denen man den Prozeß beeinflußt, schrittweise entsprechend den Prozeßbedingungen angepaßt und optimiert werden. Die durch diese Optimierung bestimmten situationsgerechten Anweisungen führen dann zu einer Verbesserung des Prozeßgeschehens. Insgesamt ergeben sich trotz der bei der Erstellung relativ aufwendigen, (aber mit geringerem Aufwand auch bei anderen Anlagen weiter verwendbaren), Software erhebliche Kostenvorteile, da die Anlage mit wesentlich einfacheren mechanischen Komponenten, weniger Reglern etc. arbeiten kann, als die bekannten Anlagen. Auch die Sensorik wird wesentlich einfacher, da nur die Prozeßausgangsgrößen laufend genau erfaßt werden müssen.
Der Gießwalzprozeß besteht aus einer Anzahl von Teilprozes sen, deren Ausbildung und Einflüsse ausschlaggebend für das Endprodukt sind. Erfindungsgemäß beeinflußbar und optimierbar sind dabei die Eigenschaften des Endproduktes, z. B. seiner Dicke, seinem Dickenprofil und seiner Oberflächenausbildung, durch eine Reihe einstellbarer Prozeßgrößen, wie z. B. dem Gießwalzspalt, dem Gießwalzenprofil, der Gießspiegelhöhe etc., die wiederum die Lage der Vereinigungszone der auf den Gießwalzen abgeschiedenen, erstarrten Metallschalen beein flussen. Für eine Regelung und Optimierung wird vorteilhaft erfindungsgemäß ein Gesamtprozeßmodell erstellt, welches das Prozeßverhalten beschreibt. Auf der Basis dieses Prozeßmo dells können die -Einflußgrößen, mit denen man den Prozeß beeinflußt, schrittweise entsprechend den Prozeßbedingungen angepaßt und optimiert werden. Die durch diese Optimierung bestimmten situationsgerechten Anweisungen führen dann zu einer Verbesserung des Prozeßgeschehens. Insgesamt ergeben sich trotz der bei der Erstellung relativ aufwendigen, (aber mit geringerem Aufwand auch bei anderen Anlagen weiter verwendbaren), Software erhebliche Kostenvorteile, da die Anlage mit wesentlich einfacheren mechanischen Komponenten, weniger Reglern etc. arbeiten kann, als die bekannten Anlagen. Auch die Sensorik wird wesentlich einfacher, da nur die Prozeßausgangsgrößen laufend genau erfaßt werden müssen.
Zusammengesetzt ist der intelligente, sich selbständig ver
bessernde, Teil des Leitsystems aus drei wesentlichen Ele
menten: Dein Prozeßmodell, der Modelladaption und dem Prozeß
optimierer. Das Prozeßmodell setzt sich aus Teilsystemen
(Modulen) zusammen, die je nach Prozeßkenntnis von unter
schiedlichem Typ sein werden. Bei Kenntnis der physikalischen
Zusammenhänge können klassische, physikalisch-mathematische
Modelle erstellt werden. Verfügt man dagegen nur über Erfah
rungswissen oder Schätzungen, so werden Fuzzy- oder Neuro-
Fuzzy-Systeme verwandt. Falls man nur wenig oder nichts über
das Prozeßverhalten weiß, wie etwa bei der Rißbildung und der
Oberflächenausbildung setzt man, zumindest am Anfang, neuro
nale Netze für die Prozeßbildung ein. Insgesamt beschreibt
das Modell den Zusammenhang zwischen den Prozeßgrößen, wie im
gewählten Beispiel der Gießspiegelhöhe, den Zustandswerten
und der Qualität des vergossenen Materials, den Einstell
werten der Gießwalzen etc. und den Qualitätsparametern des
Bandes, z. B. der Dicke, dem Profil und der Oberflächenausbil
dung.
Da das Modell zu einem bestimmten, u. U. erheblichen, Prozent
satz auf unsicherem Wissen gründet, ist es nicht genau. Das
Modell muß also anhand gewonnener Prozeßdaten adaptiert, ver
ändert etc. werden. Dies geschieht vorteilhaft einerseits
mittels der bekannten Modelladaption, die auf Daten vergan
gener Prozeßzustände aufsetzt. Auf Basis dieser Daten stellt
sie die Modellparameter o. ä. so ein, daß das Modellverhalten
möglichst gut dem des Prozesses entspricht. Außerdem werden
die Modelle selbst verändernd optimiert, so z. B. durch gene
tische Algorithmen, eine kombinatorische Evolution etc. Ent
sprechende Optimierungsstrategien sind bekannt, z. B. aus Ul
rich Hoffmann, Hanns Hofmann "Einführung in die Optimierung",
Verlag Chemie GmbH, 1971 Weinheim/Bergstraße; H.P. Schwefel
"Numerische Optimierung von Computer-Modellen mittels der
Evolutionsstrategie, Basel, Stuttgart : Birkhäuser 1977;
Eberhard Schöneburg "Genetische Algorithmen und
Evolutionsstrategien", Bonn, Paris, Reading, Mass, Addison-
Wesley, 1994; Jochen Heistermann "Genetische Algorithmen:
Theorie und Praxis evolutionärer Optimierung, Stuttgart,
Leipzig, Teubner, 1994 (Teubner-Texte zur Informatik; Bd. 9).
Durch das erfindungsgemäße Leitsystem mit dem vorstehend be
schriebenen erfindungsgemäßen Vorgehen wird die bisherige
Aufbaustruktur eines Leitsystems verlassen. Über einer Basis
automatisierung, die im wesentlichen die Prozeßebene betrifft
(Level I), befindet sich ein nur einstufiges, intelligentes
Leitsystem, dem die Produktionssollwerte vorgegeben werden
und das daraus selbsttätig alle Vorgabegrößen (Stellbefehle)
generiert (Level II). In intelligenter Selbstoptimierung
sorgt es aufgrund des bereits erreichten Prozeßergebnisses
für immer bessere Prozeßergebnisse. Einzelne Feed-Back-
Regelkreise können entfallen. Nur für die Kontrolle der
Prozeßergebnisse sind qualitätskontrollierende Sensoren
notwendig. Das erfindungsgemäße Leitsystem besitzt also nur
noch zwei wesentliche Ebenen, von denen die intelligente
Ebene außer etwa zur Programmierung keiner Visualisierung
bedarf. Zur Kontrolle können aber die Elemente der Basis
automatisierung in bekannter Weise visualisiert werden.
Claims (27)
1. Intelligentes Rechner-Leitsystem für Einrichtungen, in
denen technische oder biologische Prozesse zielgerichtet
ablaufen, z. B. Produktionsanlagen für Güter oder Energie,
Kommunikationseinrichtungen etc., das aufbauend auf
eingegebenem Vorwissen den jeweiligen Zustand der in den
Einrichtungen ablaufenden Prozesse, z. B. von kontinuierlichen
Herstellungsprozessen, Arbeitsverfahren etc. anhand der
Prozeßergebnisse selbsttätig erkennend und situationsgerecht
zum Erreichen des Prozeßziels rechentechnisch generierte
Anweisungen gebend, ausgebildet ist.
2. Leitsystem nach Anspruch 1,
dadurch gekennzeichnet,
daß das Vorwissen in technologiebezogener Form, vorzugsweise
in technologisch oder ggf. biologisch basierten Algorithmen,
eingegeben wird.
3. Leitsystem nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß das Vorwissen das situationsbedingte Verhalten und Wirken
der Komponenten der Einrichtung während des Prozeßablaufs
einbezieht.
4. Leitsystem nach Anspruch 1, 2 oder 3,
dadurch gekennzeichnet,
daß die situationsgerechten Anweisungen rechentechnisch aus
einer Prozeßnachbildung (Modell) in einem Rechner gewonnen
werden, das insbesondere die Wirkung von Änderungen von
Prozeßvariablen auf das Prozeßergebnis beschreibt.
5. Leitsystem nach Anspruch 1, 2, 3 oder 4,
dadurch gekennzeichnet,
daß der Prozeßnachbildung (Modell) die
Prozeßeingangsbedingungen aufgegeben und daraus situations
gerecht Anweisungen zum Erreichen des Prozeßziels generiert
werden.
6. Leitsystem nach Anspruch 1, 2, 3, 4 oder 5
dadurch gekennzeichnet,
daß es die situationsgerechten Anweisungen anhand einer
Adaption des Modells erzeugend, dabei vorzugsweise
selbsttätig in vorgegebenen Routinen arbeitend, ausgebildet
ist.
7. Leitsystem nach Anspruch 6,
dadurch gekennzeichnet,
daß es laufend eine Optimierung, insbesondere eine
schrittweise Optimierung, des Modells, vorzugsweise eines
algorithmischen Prozeßmodells, durchführt.
8. Leitsystem nach Anspruch 7,
dadurch gekennzeichnet,
daß die Optimierung durch ausgewählte Trial- und Error-Routi
nen am Prozeßmodell unter ständiger Erfolgskontrolle erfolgt.
9. Leitsystem nach Anspruch 1, 2, 3, 4, 5, 6, 7 oder 8,
dadurch gekennzeichnet,
daß das Vorwissen, vorzugsweise selbsttätig, laufend durch am
Modell, z. B. bei unterschiedlichen Anforderungen an den
Prozeß, intern rechentechnisch gewonnenes Wissen verbessert
und dieses selbstgenerierte Prozeßwissen als Vorwissen in
einen, insbesondere ständig aktualisierten, Datenspeicher
übernommen wird.
10. Leitsystem für die Führung technischer Einrichtungen und
darin ablaufender Prozesse, mit insbesondere zur Abarbeitung
von Algorithmen und zur Durchführung von Adaptierungs- und
Optimierungsvorgängen geeigneten Recheneinrichtungen, vor
zugsweise nach Anspruch 1, 2, 3, 4, 5, 6, 7, 8 oder 9,
dadurch gekennzeichnet,
daß der Zustand von in technischen Einrichtungen ablaufenden
Prozessen und/oder einzelner Teilprozesse zur Adaptierung und
ggf. Optimierung fortlaufend anhand von Prozeßmodellen
simuliert wird, die insbesondere modular aufgebaut sind und
die das Verhalten zwischen den Prozeßeingangsgrößen sowie
variablen Größen und den Prozeßausgangsgrößen, z. B.
Qualitätskennwerten, beschreiben.
11. Leitsystem nach Anspruch 10,
dadurch gekennzeichnet,
daß die Prozeßmodelle zumindest teilweise, soweit sie auf
Basis mathematisch-physikalischer, chemischer, metallurgi
scher, biologischer o. ä. Gesetzmäßigkeiten modelliert werden
können, mathematische Beschreibungsformen aufweisen.
12. Leitsystem nach Anspruch 10 oder 11,
dadurch gekennzeichnet,
daß die Prozeßmodelle für die Anlagenkomponenten, für die
Prozeßwissen vorliegt, das linguistisch ausgedrückt werden
kann, linguistisch formulierte Modellteile aufweisen, die
z. B. durch Fuzzy-Systeme, Neuro-Fuzzy-Systeme, Experten
systeme oder Tabellenwerke realisiert sein können.
13. Leitsystem nach Anspruch 10, 11 oder 12,
dadurch gekennzeichnet,
daß die Prozeßmodelle für die Anlagenkomponenten, für die
keine Modellbildung auf Basis mathematisch-physikalischer,
biologischer oder metallurgischer Grundlagen oder aufgrund
von linguistisch beschreibbarem Prozeßwissen möglich ist,
selbstlernende oder sich selbstlernend selbststrukturierende
Systeme, z. B. neuronale Netze, aufweisen.
14. Leitsystem nach Anspruch 10, 11, 12 oder 13,
dadurch gekennzeichnet,
daß die Prozeßmodelle aufgrund von gesammelten Prozeßdaten,
die in der Prozeßdatenbank archiviert werden, dem Prozeß
fortlaufend angepaßt oder nachgeführt werden und daß dies
mittels adaptiver Verfahren oder Lernverfahren, z. B. durch
ein Backpropagation-Lernverfahren oder ein Auswahlverfahren
für verschiedene Teilmodelle, etwa neuronale Netze,
geschieht.
15. Leitsystem nach Anspruch 10, 11, 12, 13 oder 14,
dadurch gekennzeichnet,
daß die Prozeßmodelle, vorzugsweise off-line, durch eine
Modelladaption derart adaptiert werden, daß die
Modellausgangsgrößen, die insbesondere Qualitätskennwerte des
Prozeßergebnisses sind, möglichst gut mit vorgegebenen, z. B.
den anzustrebenden Werten, übereinstimmen.
16. Leitsystem nach Anspruch 10, 11, 12, 13, 14 oder 15,
dadurch gekennzeichnet,
daß die Prozeßmodelle evolutionär mit Optimierungsverfahren,
z. B. mit genetischen Algorithmen, dem Verfahren von Hooke-
Jeeves, einem Verfahren des Simulated Annealings o. ä.
optimiert werden, wobei die jeweils angewandten Optimierungs
verfahren situations- und problemabhängig vorgegeben oder
ggf. durch Rechentechnik, aus einer Datei ausgewählt werden,
z. B. in Abhängigkeit von der Anzahl der zu optimierenden
Größen und/oder der Ausbildung der zu erwartenden Minima.
17. Leitsystem nach Anspruch 10, 11, 12, 13, 14, 15 oder 16,
dadurch gekennzeichnet,
daß die Startwerte für Optimierungen aus den in einem
Prozeßdatenspeicher archivierten, suboptimalen Betriebsdaten
ermittelt werden, ggf. durch Fuzzy-Interpolation.
18. Leitsystem für technische Einrichtungen, z. B. Produkti
onsanlagen für Güter oder Energie, Kommunikationseinrichtun
gen etc., insbesondere nach einem oder mehreren der vorherge
henden Ansprüche,
dadurch gekennzeichnet,
daß es ein Basis-Funktionssystem für die Prozeßkomponenten
aufweist, das die Anweisungen aus dem rechentechnisch, z. B.
aus einem Prozeßmodell, vorzugsweise einem Prozeßgesamt
modell, gewonnenen Wissen sicher in eine Prozeßführung, etwa
in einer Produktionsanlage oder einer Kommunikationseinrich
tung etc. umsetzt.
19. Leitsystem nach Anspruch 18,
dadurch gekennzeichnet,
daß die einstellbaren Prozeßparameter, die vorteilhaft so
ermittelt wurden, daß die vom Modell nachgebildeten Kennwerte
des erzeugten Produktes möglichst gut mit den vorgegebenen
Wunschwerten übereinstimmen, als Vorgabe an das Basis-Funkti
onssystem des Prozesses gegeben werden und von diesem der
Prozeß entsprechend den Vorgabewerten eingestellt wird.
20. Leitsystem nach Anspruch 18 oder 19,
dadurch gekennzeichnet,
daß das Basisfunktionssystem als ein, die zur Durchführung
des Prozesses notwendigen Komponenten je für sich oder zusam
mengefaßt sicher arbeitsfähig machendes, Basis-Automatisie
rungssystem ausgebildet ist.
21. Leitsystem nach Anspruch 20,
dadurch gekennzeichnet,
daß das Basis-Automatisierungssystem als autonomes, einen
sicheren Zustand des Prozesses garantierendes Subsystem
(Gefahren-Zustands-Rückfallsystem) ausgebildet ist, das an
stelle der rechentechnisch erzeugten Anweisungen, insbeson
dere auf als sicher erkannte, im Datenspeicher abgelegte,
Betriebswerte zurückgreifen kann.
22. Leitsystem nach Anspruch 18, 19, 20 oder 21,
dadurch gekennzeichnet,
daß das Basis-Funktionssystem Start- und Hochlauf-Routinen
aufweist, die manuell oder automatisch eingegeben werden
können, sowie suboptimale Normalbetriebsroutinen, in denen
einzelne, sonst rechentechnisch ermittelte, Anweisungen durch
konstante Vorgaben ersetzt werden können.
23. Leitsystem nach Anspruch 18, 19, 20, 21 oder 22,
dadurch gekennzeichnet,
daß das Basis-Funktionssystem eine Zeitsteuerung o. ä.
enthält, mit denen die Übergabe von vorermittelten
Einstellwerten (Vorgabewerten) situationsgerecht, z. B. der
Mengenflußkonstanz entsprechend, erfolgt.
24. Leitsystem nach Anspruch 18, 19, 20, 21, 22 oder 23,
dadurch gekennzeichnet,
daß die Vorgabewerte für das Basis-Funktionssystem bei einem
Ausbleiben der rechentechnisch gewonnenen Werte direkt aus
den Daten der Prozeßdatenbank erzeugt werden können, wobei
zur Verbesserung insbesondere zwischen den gespeicherten
sicheren Betriebsdaten interpoliert wird, ggf. mit einer
Fuzzy-Interpolation.
25. Leitsystem nach einem oder mehreren der vorhergehenden
Ansprüche, dadurch gekennzeichnet,
daß das Vorwissen auch durch externe Simulationsrechnungen,
Modellversuche o. ä. verbessert wird, insbesondere in
Anpassung oder Optimierung der verwendeten technischen
Mittel.
26. Verwendung von technischer, künstlicher Intelligenz in
einem Leitsystem für die Führung zielgerichteter technischer
Abläufe, insbesondere nach einem oder mehreren der
vorhergehenden Ansprüche, wobei das Leitsystem einen sich
fortlaufend selbst verbessernden intelligenten Teil mit
einem, insbesondere modulartig aufgebauten, Prozeßmodell, in
dem Vorwissen und selbstgeneriertes Wissen über das Verhalten
des Prozesses, z. B. in einer Produktionsanlage oder in einer
Kommunikationseinrichtung enthalten ist, und einen Basis-
Funktionsteil aufweist, der die Ergebnisse des künstlichen
Intelligenzteils zum sicheren Erreichen des Prozeßziels
umsetzt und bei einem vorübergehenden Ausfall oder einer
Instabilität des intelligenten Teils für einen sicheren
Betrieb sorgt.
27. Technische, künstliche Intelligenz nach einem oder mehre
ren der vorhergehenden Ansprüche, insbesondere nach Anspruch
26, dadurch gekennzeichnet,
daß über einen off-line arbeitenden Optimierer, insbesondere
mit Hilfe eines modulartig aufgebauten Gesamt-Prozeß-Modells,
die für die Führung eines Prozesses optimalen Teilmodell-Aus
bildungen, Einstellkombinationen, etc. durch Selbstlern
routinen o. ä., ermittelt werden, während der Prozeß auf
suboptimaler, on-line geführter Basis läuft.
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19508474A DE19508474A1 (de) | 1995-03-09 | 1995-03-09 | Intelligentes Rechner-Leitsystem |
US08/913,127 US6085183A (en) | 1995-03-09 | 1996-03-06 | Intelligent computerized control system |
EP96905685A EP0813700B1 (de) | 1995-03-09 | 1996-03-06 | Intelligentes rechner-leitsystem |
DE59605506T DE59605506D1 (de) | 1995-03-09 | 1996-03-06 | Intelligentes rechner-leitsystem |
CNB961924039A CN1244031C (zh) | 1995-03-09 | 1996-03-06 | 智能计算机控制系统 |
AT96905685T ATE194229T1 (de) | 1995-03-09 | 1996-03-06 | Intelligentes rechner-leitsystem |
PCT/DE1996/000396 WO1996028771A1 (de) | 1995-03-09 | 1996-03-06 | Intelligentes rechner-leitsystem |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19508474A DE19508474A1 (de) | 1995-03-09 | 1995-03-09 | Intelligentes Rechner-Leitsystem |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19508474A1 true DE19508474A1 (de) | 1996-09-19 |
Family
ID=7756199
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19508474A Withdrawn DE19508474A1 (de) | 1995-03-09 | 1995-03-09 | Intelligentes Rechner-Leitsystem |
DE59605506T Expired - Lifetime DE59605506D1 (de) | 1995-03-09 | 1996-03-06 | Intelligentes rechner-leitsystem |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE59605506T Expired - Lifetime DE59605506D1 (de) | 1995-03-09 | 1996-03-06 | Intelligentes rechner-leitsystem |
Country Status (6)
Country | Link |
---|---|
US (1) | US6085183A (de) |
EP (1) | EP0813700B1 (de) |
CN (1) | CN1244031C (de) |
AT (1) | ATE194229T1 (de) |
DE (2) | DE19508474A1 (de) |
WO (1) | WO1996028771A1 (de) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE29617200U1 (de) * | 1996-10-02 | 1997-11-06 | Siemens Ag | Vorrichtung zur prädiktiven Diagnose der aktuellen Güte des technischen Arbeitsergebnisses einer technischen Anlage, insbesondere der aktuellen Güte der Schweißpunkte eines Punktschweißroboters |
DE19641431A1 (de) * | 1996-10-08 | 1998-04-16 | Siemens Ag | Verfahren und Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses |
DE19641432A1 (de) * | 1996-10-08 | 1998-04-23 | Siemens Ag | Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses |
WO1998037464A1 (de) * | 1997-02-19 | 1998-08-27 | Siemens Aktiengesellschaft | Computersystem zum optimalen entwurf und zum reentwurf eines walzwerks und verfahren zum betrieb eines solchen computersystems |
DE19738955A1 (de) * | 1997-09-05 | 1999-03-18 | Audi Ag | Verfahren zur Regelung eines Umformprozesses |
DE19729187C1 (de) * | 1997-07-08 | 1999-04-29 | Siemens Ag | Testverfahren für einen Funktionsapproximator in einer Prozeßsteuerung |
DE19832762A1 (de) * | 1998-07-21 | 2000-01-27 | Fraunhofer Ges Forschung | Gießwalzanlage, insbesondere Dünnbrammengießwalzanlage |
DE19841165A1 (de) * | 1998-09-09 | 2000-03-16 | Abb Research Ltd | Verfahren zur Bestimmung eines Prozeßdatenvalidierungsmodells |
DE19850324A1 (de) * | 1998-11-02 | 2000-05-04 | Abb Patent Gmbh | Verfahren zur automatisierten Abbildung von zielsystemneutralen leittechnischen Planungsergebnissen auf zielsystemspezifische leittechnische Strukturen |
DE19932945A1 (de) * | 1999-07-14 | 2001-01-25 | Siemens Ag | Verfahren, Anordnung und Computerprogramm zur Vorverarbeitung |
DE19959204A1 (de) * | 1999-12-08 | 2001-07-12 | Siemens Ag | Verfahren zur Ermittlung einer Beizzeit eines eine Zunderschicht aufweisenden Metallbandes |
DE10056493A1 (de) * | 2000-11-15 | 2002-05-23 | Bsh Bosch Siemens Hausgeraete | Verfahren und Vorrichtung zum Steuern von Hausgeräten |
DE10056494A1 (de) * | 2000-11-15 | 2002-05-23 | Bsh Bosch Siemens Hausgeraete | Verfahren und Vorrichtung zum Steuern eines Hausgerätes |
EP1267229A2 (de) * | 2001-06-16 | 2002-12-18 | ABB PATENT GmbH | Steuer- und Regelverfahren und Regeleinrichtung zum An- oder Abfahren einer verfahrenstechnischen Komponente eines technischen Prozesses |
US6529780B1 (en) | 1997-04-14 | 2003-03-04 | Siemens Aktiengesellschaft | Method for automatic operation of industrial plants |
US6584366B1 (en) | 1998-03-31 | 2003-06-24 | Siemens Aktiengesellschaft | Method and arrangement for neural modeling of a paper winding device |
WO2005088413A1 (fr) * | 2004-03-11 | 2005-09-22 | Oleg Alexeevich Sukhanov | Systeme pour commander les regimes de distribution de la puissance produite par un systeme de production d'energie electrique |
DE102004059776A1 (de) * | 2004-09-17 | 2006-04-06 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Brennstoffzellensystem |
DE19704983B4 (de) * | 1997-01-29 | 2006-07-06 | Diehl Bgt Defence Gmbh & Co. Kg | Autonomes System, insbesondere autonome Plattform |
DE19912221B4 (de) * | 1998-08-11 | 2006-07-27 | Siemens Ag | Computersystem zur Auslegung einer Anlage der Grundstoffindustrie, insbesondere eines Walzwerks |
WO2011009819A1 (de) * | 2009-07-23 | 2011-01-27 | Siemens Aktiengesellschaft | Verfahren zur steuerung und/oder regelung eines induktionsofens für eine walzanlage, steuer- und/oder regeleinrichtung für eine walzanlage und walzanlage zum herstellen von walzgut |
CN102470432A (zh) * | 2009-07-03 | 2012-05-23 | Sms西马格股份公司 | 用于确定所铸造的金属坯料的液相端的位置的方法和连铸设备 |
EP2633929A1 (de) * | 2012-03-01 | 2013-09-04 | Siemens Aktiengesellschaft | Modellierung einer Gießwalzanlage |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2164357T3 (es) * | 1996-06-21 | 2002-02-16 | Siemens Ag | Procedimiento y sistema para la puesta en servicio de instalaciones industriales, especialmente de la industria primaria. |
DE19704314C1 (de) * | 1997-02-05 | 1998-09-03 | Siemens Ag | Verfahren zur Optimierung von Prozeßparametern auf der Basis einer Gradientenschätzung auf einem Rechner |
SE509443C2 (sv) * | 1997-05-15 | 1999-01-25 | Asea Brown Boveri | Förfarande för övervakning av en manipulators rörelsestyrning |
US6490574B1 (en) * | 1997-12-17 | 2002-12-03 | International Business Machines Corporation | Method and system for managing rules and events in a multi-user intelligent agent environment |
US6178360B1 (en) * | 1998-02-05 | 2001-01-23 | Micron Technology, Inc. | Methods and apparatus for determining optimum exposure threshold for a given photolithographic model |
US6033814A (en) * | 1998-02-26 | 2000-03-07 | Micron Technology, Inc. | Method for multiple process parameter matching |
JP2000064933A (ja) * | 1998-08-19 | 2000-03-03 | Yamaha Motor Co Ltd | 2サイクル筒内噴射エンジンの始動方法 |
JP2000200551A (ja) * | 1998-10-26 | 2000-07-18 | Toshiba Corp | 陰極線管の製造方法およびその装置 |
US6446056B1 (en) | 1999-09-10 | 2002-09-03 | Yamaha Hatsudoki Kabushiki Kaisha | Interactive artificial intelligence |
US6604091B2 (en) * | 1999-09-10 | 2003-08-05 | Yamaha Hatsudoki Kabushiki Kaisha | Interactive artificial intelligence |
US6721780B1 (en) * | 1999-11-09 | 2004-04-13 | Fireclick, Inc. | Predictive pre-download of network objects |
JP2001307977A (ja) * | 2000-02-18 | 2001-11-02 | Nikon Corp | 荷電粒子線露光装置の設計方法、荷電粒子線露光装置、及び半導体デバイスの製造方法 |
WO2001092974A2 (en) * | 2000-05-27 | 2001-12-06 | Georgia Tech Research Corporation | Adaptive control system having direct output feedback and related apparatuses and methods |
EP1195664A1 (de) * | 2000-09-27 | 2002-04-10 | ABB PATENT GmbH | Service-System mit Optimierung |
RU2282521C2 (ru) * | 2000-09-29 | 2006-08-27 | Ньюкор Корпорейшн | Способ изготовления стальной полосы по заказу |
US6581672B2 (en) | 2000-09-29 | 2003-06-24 | Nucor Corporation | Method for controlling a continuous strip steel casting process based on customer-specified requirements |
US7591917B2 (en) * | 2000-10-02 | 2009-09-22 | Nucor Corporation | Method of producing steel strip |
GB0109643D0 (en) * | 2001-04-19 | 2001-06-13 | Isis Innovation | System and method for monitoring and control |
JP2004527860A (ja) * | 2001-05-25 | 2004-09-09 | パラメトリック・オプティミゼーション・ソリューションズ・リミテッド | 改善されたプロセス制御 |
DE10126251A1 (de) * | 2001-05-29 | 2003-01-23 | Buehler Ag | Online-Prozessüberwachung und Online-Prozessmodelierung |
DE10143056A1 (de) * | 2001-09-03 | 2003-03-20 | Delphi Tech Inc | Verfahren zur Vorbereitung einer Computersimulation einer Kraftfahrzeugelektrik |
KR100431329B1 (ko) | 2001-10-11 | 2004-05-12 | 삼성전자주식회사 | 반도체 웨이퍼 오버레이 보정방법 |
US6915172B2 (en) | 2001-11-21 | 2005-07-05 | General Electric | Method, system and storage medium for enhancing process control |
AT411026B (de) * | 2001-11-30 | 2003-09-25 | Voest Alpine Ind Anlagen | Verfahren zum stranggiessen |
US20040002843A1 (en) * | 2002-05-13 | 2004-01-01 | Consolidated Global Fun Unlimited, Llc | Method and system for interacting with simulated phenomena |
US7072729B2 (en) * | 2002-08-21 | 2006-07-04 | Stiles Machinery, Inc. | Method for interpreting design data and associating manufacturing information with the data and software and systems for implementing the method |
AT411822B (de) † | 2002-09-12 | 2004-06-25 | Voest Alpine Ind Anlagen | Verfahren und vorrichtung zum starten eines giessvorganges |
DE10251716B3 (de) * | 2002-11-06 | 2004-08-26 | Siemens Ag | Modellierverfahren für ein Metall |
DE10310357A1 (de) * | 2003-03-10 | 2004-09-30 | Siemens Ag | Gießwalzanlage zur Erzeugen eines Stahlbandes |
DE10339766A1 (de) * | 2003-08-27 | 2005-04-07 | Siemens Ag | Verfahren und Einrichtung zur Steuerung einer Anlage zur Herstellung von Stahl |
US7136779B2 (en) * | 2004-05-28 | 2006-11-14 | Daimlerchrysler Ag | Method for simplified real-time diagnoses using adaptive modeling |
SE527507C2 (sv) † | 2004-07-13 | 2006-03-28 | Abb Ab | En anordning och ett förfarande för stabilisering av ett metalliskt föremål samt en användning av anordningen |
US7457674B2 (en) | 2004-08-27 | 2008-11-25 | Siemens Corporate Research, Inc. | System, device, and methods for updating system-monitoring models |
CN101048714B (zh) * | 2004-08-27 | 2010-05-12 | 西门子共同研究公司 | 用于更新系统监控模型的系统、设备以及方法 |
US20060218107A1 (en) * | 2005-03-24 | 2006-09-28 | The University Of Tennessee Research Foundation | Method for controlling a product production process |
US20060247798A1 (en) * | 2005-04-28 | 2006-11-02 | Subbu Rajesh V | Method and system for performing multi-objective predictive modeling, monitoring, and update for an asset |
US7536364B2 (en) * | 2005-04-28 | 2009-05-19 | General Electric Company | Method and system for performing model-based multi-objective asset optimization and decision-making |
CH698238B1 (de) * | 2005-07-07 | 2009-06-30 | Main Man Inspiration Ag | Vorrichtung zur kontinuierlichen Oberflächenreinigung einer drehbeweglichen Giessrolle einer Bandgiessmaschine. |
US20070115916A1 (en) * | 2005-11-07 | 2007-05-24 | Samsung Electronics Co., Ltd. | Method and system for optimizing a network based on a performance knowledge base |
US8212655B2 (en) * | 2006-03-30 | 2012-07-03 | Rosemount Inc. | System and method for identification of process components |
DE102007050891A1 (de) * | 2007-10-24 | 2009-04-30 | Siemens Ag | Auf der Streuung einer Istgröße eines Walzguts basierende Adaptierung eines Reglers in einem Walzwerk |
DE102013205356B4 (de) * | 2013-03-26 | 2016-07-07 | Siemens Aktiengesellschaft | Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems |
EP3293594A1 (de) * | 2016-09-13 | 2018-03-14 | Primetals Technologies Germany GmbH | Verwendung umfassender künstlicher intelligenz bei anlagen der grundstoffindustrie |
CN108067599B (zh) * | 2016-11-15 | 2019-09-17 | 上海宝信软件股份有限公司 | 基于炼钢连铸全过程数据的板坯质量分析方法 |
US10681139B2 (en) | 2017-02-09 | 2020-06-09 | Nova Dynamics, Llc | System for arranging and controlling interconnected intelligences |
AU2018338204A1 (en) | 2017-09-22 | 2020-04-02 | Nucor Corporation | Iterative learning control for periodic disturbances in twin-roll strip casting with measurement delay |
EP3462338A1 (de) * | 2017-09-28 | 2019-04-03 | Siemens Aktiengesellschaft | Datenverarbeitungsvorrichtung, datenanalysevorrichtung, datenverarbeitungssystem und datenverarbeitungsverfahren |
CN109754137B (zh) * | 2017-11-03 | 2022-03-29 | 钢铁研究总院 | 确定钢铁材料产品的质量和/或等级的方法及设备 |
CN110262350B (zh) * | 2019-07-01 | 2022-02-18 | 王旭 | 含预置程序的积木式多单片机控制系统设计方法 |
WO2021086929A1 (en) * | 2019-10-28 | 2021-05-06 | Nucor Corporation | Fault detection for iterative learning control of time-varying systems |
WO2023055932A1 (en) * | 2021-09-29 | 2023-04-06 | Nucor Corporation | Application of a learning agent to achieve autonomous operation of a twin roll casting machine |
WO2024015601A1 (en) * | 2022-07-15 | 2024-01-18 | Nucor Corporation | Actor-critic learning agent providing autonomous operation of a twin roll casting machine |
CN117655315A (zh) * | 2024-02-02 | 2024-03-08 | 山东中力高压阀门股份有限公司 | 一种阀门浇筑过程包内铁液温度实时监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3133222C2 (de) * | 1981-08-21 | 1988-01-14 | Siemens Ag, 1000 Berlin Und 8000 Muenchen, De | |
DE4131765A1 (de) * | 1991-09-24 | 1993-03-25 | Siemens Ag | Regelparameter-verbesserungsverfahren fuer industrielle anlagen |
US5204936A (en) * | 1989-03-14 | 1993-04-20 | Canon Kabushiki Kaisha | Process status supervisory system |
DE4319926A1 (de) * | 1992-06-19 | 1993-12-23 | Cegelec Levallois Perret | Verfahren zur Regelung eines kontinuierlichen Prozesses mit einer Optimier- und einer Regelphase |
DE4323439A1 (de) * | 1993-07-13 | 1995-01-19 | Siemens Ag | Anordnung zur Modellierung eines nichtlinearen Prozesses |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4512747A (en) * | 1982-01-13 | 1985-04-23 | Hitchens Max W | Material conveying system simulation and monitoring apparatus |
JP2697908B2 (ja) * | 1989-08-03 | 1998-01-19 | 新日本製鐵株式会社 | 双ロール式連続鋳造機の制御装置 |
US5161110A (en) * | 1990-02-27 | 1992-11-03 | Atlantic Richfield Company | Hierarchical process control system and method |
US5259066A (en) * | 1990-04-16 | 1993-11-02 | Schmidt Richard Q | Associative program control |
US5179631A (en) * | 1990-09-27 | 1993-01-12 | Board Of Supervisors Of Louisiana State University And Agricultural And Mechanical College | Neural network logic system |
JPH06504390A (ja) * | 1991-10-16 | 1994-05-19 | アーベーベー・パテント・ゲーエムベーハー | 知識ベース型制御・調整装置 |
JP3136183B2 (ja) * | 1992-01-20 | 2001-02-19 | 株式会社日立製作所 | 制御方法 |
US5486998A (en) * | 1993-06-14 | 1996-01-23 | Amax Coal West, Inc. | Process stabilizing process controller |
US5644686A (en) * | 1994-04-29 | 1997-07-01 | International Business Machines Corporation | Expert system and method employing hierarchical knowledge base, and interactive multimedia/hypermedia applications |
DE19508476A1 (de) * | 1995-03-09 | 1996-09-12 | Siemens Ag | Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä. |
US5787235A (en) * | 1995-05-09 | 1998-07-28 | Gte Government Systems Corporation | Fuzzy logic-based evidence fusion tool for network analysis |
-
1995
- 1995-03-09 DE DE19508474A patent/DE19508474A1/de not_active Withdrawn
-
1996
- 1996-03-06 DE DE59605506T patent/DE59605506D1/de not_active Expired - Lifetime
- 1996-03-06 WO PCT/DE1996/000396 patent/WO1996028771A1/de active IP Right Grant
- 1996-03-06 US US08/913,127 patent/US6085183A/en not_active Expired - Lifetime
- 1996-03-06 CN CNB961924039A patent/CN1244031C/zh not_active Expired - Fee Related
- 1996-03-06 EP EP96905685A patent/EP0813700B1/de not_active Expired - Lifetime
- 1996-03-06 AT AT96905685T patent/ATE194229T1/de active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3133222C2 (de) * | 1981-08-21 | 1988-01-14 | Siemens Ag, 1000 Berlin Und 8000 Muenchen, De | |
US5204936A (en) * | 1989-03-14 | 1993-04-20 | Canon Kabushiki Kaisha | Process status supervisory system |
DE4131765A1 (de) * | 1991-09-24 | 1993-03-25 | Siemens Ag | Regelparameter-verbesserungsverfahren fuer industrielle anlagen |
DE4319926A1 (de) * | 1992-06-19 | 1993-12-23 | Cegelec Levallois Perret | Verfahren zur Regelung eines kontinuierlichen Prozesses mit einer Optimier- und einer Regelphase |
DE4323439A1 (de) * | 1993-07-13 | 1995-01-19 | Siemens Ag | Anordnung zur Modellierung eines nichtlinearen Prozesses |
Non-Patent Citations (3)
Title |
---|
at Automatisierungstechnik 42 (1994) 12, S. 555-560 * |
IEEE Control Systems, June 1994, S. 37-47 * |
TR Technische Rundschau, Heft 16, 1992, S. 66-71 * |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE29617200U1 (de) * | 1996-10-02 | 1997-11-06 | Siemens Ag | Vorrichtung zur prädiktiven Diagnose der aktuellen Güte des technischen Arbeitsergebnisses einer technischen Anlage, insbesondere der aktuellen Güte der Schweißpunkte eines Punktschweißroboters |
US6281465B1 (en) | 1996-10-02 | 2001-08-28 | Siemens Aktiengesellschaft | Device for predictive diagnosis of the current quality of technical production from a technical installation, particularly of the current quality of welding points of a spot welding robot |
DE19781103B4 (de) * | 1996-10-08 | 2013-02-21 | Siemens Aktiengesellschaft | Verfahren und Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses |
DE19641431A1 (de) * | 1996-10-08 | 1998-04-16 | Siemens Ag | Verfahren und Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses |
DE19641432A1 (de) * | 1996-10-08 | 1998-04-23 | Siemens Ag | Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses |
US6473658B1 (en) | 1996-10-08 | 2002-10-29 | Siemens Aktiengesellschaft | Process and device for identification or pre-calculation of parameters of a time-variant industrial process |
DE19641432C2 (de) * | 1996-10-08 | 2000-01-05 | Siemens Ag | Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses |
DE19704983B4 (de) * | 1997-01-29 | 2006-07-06 | Diehl Bgt Defence Gmbh & Co. Kg | Autonomes System, insbesondere autonome Plattform |
WO1998037464A1 (de) * | 1997-02-19 | 1998-08-27 | Siemens Aktiengesellschaft | Computersystem zum optimalen entwurf und zum reentwurf eines walzwerks und verfahren zum betrieb eines solchen computersystems |
US6529780B1 (en) | 1997-04-14 | 2003-03-04 | Siemens Aktiengesellschaft | Method for automatic operation of industrial plants |
DE19729187C1 (de) * | 1997-07-08 | 1999-04-29 | Siemens Ag | Testverfahren für einen Funktionsapproximator in einer Prozeßsteuerung |
DE19738955C2 (de) * | 1997-09-05 | 2003-01-09 | Audi Ag | Verfahren zur Regelung eines Umformprozesses |
DE19738955A1 (de) * | 1997-09-05 | 1999-03-18 | Audi Ag | Verfahren zur Regelung eines Umformprozesses |
US6584366B1 (en) | 1998-03-31 | 2003-06-24 | Siemens Aktiengesellschaft | Method and arrangement for neural modeling of a paper winding device |
WO2000005014A1 (de) * | 1998-07-21 | 2000-02-03 | Siemens Aktiengesellschaft | Giesswalzanlage, insbesondere dünnbrammengiesswalzanlage |
DE19832762A1 (de) * | 1998-07-21 | 2000-01-27 | Fraunhofer Ges Forschung | Gießwalzanlage, insbesondere Dünnbrammengießwalzanlage |
DE19832762C2 (de) * | 1998-07-21 | 2003-05-08 | Fraunhofer Ges Forschung | Gießwalzanlage, insbesondere Dünnbrammengießwalzanlage |
DE19912221B4 (de) * | 1998-08-11 | 2006-07-27 | Siemens Ag | Computersystem zur Auslegung einer Anlage der Grundstoffindustrie, insbesondere eines Walzwerks |
DE19841165A1 (de) * | 1998-09-09 | 2000-03-16 | Abb Research Ltd | Verfahren zur Bestimmung eines Prozeßdatenvalidierungsmodells |
DE19850324A1 (de) * | 1998-11-02 | 2000-05-04 | Abb Patent Gmbh | Verfahren zur automatisierten Abbildung von zielsystemneutralen leittechnischen Planungsergebnissen auf zielsystemspezifische leittechnische Strukturen |
DE19850324C2 (de) * | 1998-11-02 | 2003-11-13 | Abb Patent Gmbh | Verfahren zur automatisierten Abbildung von zielsystemneutralen leittechnischen Planungsergebnissen auf zielsystemspezifische leittechnische Strukturen |
US7058553B1 (en) | 1999-07-14 | 2006-06-06 | Siemens Aktiengesellschaft | Method and system for pre-processing |
DE19932945A1 (de) * | 1999-07-14 | 2001-01-25 | Siemens Ag | Verfahren, Anordnung und Computerprogramm zur Vorverarbeitung |
DE19959204A1 (de) * | 1999-12-08 | 2001-07-12 | Siemens Ag | Verfahren zur Ermittlung einer Beizzeit eines eine Zunderschicht aufweisenden Metallbandes |
DE10056494A1 (de) * | 2000-11-15 | 2002-05-23 | Bsh Bosch Siemens Hausgeraete | Verfahren und Vorrichtung zum Steuern eines Hausgerätes |
DE10056493A1 (de) * | 2000-11-15 | 2002-05-23 | Bsh Bosch Siemens Hausgeraete | Verfahren und Vorrichtung zum Steuern von Hausgeräten |
EP1267229A2 (de) * | 2001-06-16 | 2002-12-18 | ABB PATENT GmbH | Steuer- und Regelverfahren und Regeleinrichtung zum An- oder Abfahren einer verfahrenstechnischen Komponente eines technischen Prozesses |
EP1267229A3 (de) * | 2001-06-16 | 2003-12-03 | ABB PATENT GmbH | Steuer- und Regelverfahren und Regeleinrichtung zum An- oder Abfahren einer verfahrenstechnischen Komponente eines technischen Prozesses |
DE10129141A1 (de) * | 2001-06-16 | 2002-12-19 | Abb Research Ltd | Steuer- und Regelverfahren un Regeleinrichtung zum An- oder Abfahren einer verfahrenstechnischen Komponente eines technischen Prozesses |
US7489989B2 (en) | 2004-03-11 | 2009-02-10 | Oleg Alexeevich Sukhanov | System for dispatching and controlling of generation in large-scale electric power systems |
WO2005088413A1 (fr) * | 2004-03-11 | 2005-09-22 | Oleg Alexeevich Sukhanov | Systeme pour commander les regimes de distribution de la puissance produite par un systeme de production d'energie electrique |
DE102004059776A1 (de) * | 2004-09-17 | 2006-04-06 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Brennstoffzellensystem |
CN102470432A (zh) * | 2009-07-03 | 2012-05-23 | Sms西马格股份公司 | 用于确定所铸造的金属坯料的液相端的位置的方法和连铸设备 |
CN102470432B (zh) * | 2009-07-03 | 2015-05-13 | Sms西马格股份公司 | 用于确定所铸造的金属坯料的液相端的位置的方法和连铸设备 |
WO2011009819A1 (de) * | 2009-07-23 | 2011-01-27 | Siemens Aktiengesellschaft | Verfahren zur steuerung und/oder regelung eines induktionsofens für eine walzanlage, steuer- und/oder regeleinrichtung für eine walzanlage und walzanlage zum herstellen von walzgut |
EP2287345A1 (de) * | 2009-07-23 | 2011-02-23 | Siemens Aktiengesellschaft | Verfahren zur Steuerung und/oder Regelung eines Induktionsofens für eine Walzanlage, Steuer- und/oder Regeleinrichtung für eine Walzanlage und Walzanlage zum Herstellen von Walzgut |
EP2633929A1 (de) * | 2012-03-01 | 2013-09-04 | Siemens Aktiengesellschaft | Modellierung einer Gießwalzanlage |
WO2013127982A1 (de) * | 2012-03-01 | 2013-09-06 | Siemens Aktiengesellschaft | Modellierung einer giesswalzanlage |
US9764379B2 (en) | 2012-03-01 | 2017-09-19 | Siemens Aktiengesellschaft | Modelling of a cast rolling device |
Also Published As
Publication number | Publication date |
---|---|
DE59605506D1 (de) | 2000-08-03 |
ATE194229T1 (de) | 2000-07-15 |
CN1244031C (zh) | 2006-03-01 |
CN1178016A (zh) | 1998-04-01 |
EP0813700B1 (de) | 2000-06-28 |
EP0813700A1 (de) | 1997-12-29 |
WO1996028771A1 (de) | 1996-09-19 |
US6085183A (en) | 2000-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0813700B1 (de) | Intelligentes rechner-leitsystem | |
EP0813701B1 (de) | Leitsystem für eine anlage der grundstoff- oder der verarbeitenden industrie o.ä. | |
DE4301130C2 (de) | Verfahren und Vorrichtung zum Regeln eines Objektes unter Verwendung einer Lernfunktion | |
DE4008510A1 (de) | Regeleinheit mit optimal-entscheidungsmitteln | |
DE2735012C2 (de) | ||
DE19612420C2 (de) | Verfahren und Einrichtung zur Steuerung der Kühlung eines Stranges in einer Stranggießanlage | |
EP2603333B1 (de) | Echtzeit-ermittlungsverfahren für temperatur und geometrie eines metall-warmbandes in einer fertigstrasse | |
DE4417808C2 (de) | Verfahren zum Stranggießen eines Metallstranges | |
EP2697001A1 (de) | Steuerverfahren für eine walzstrasse | |
EP0534221B1 (de) | Regelparameter-Verbesserungsverfahren für industrielle Anlagen | |
DE4338608A1 (de) | Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System | |
WO2001003867A1 (de) | Verfahren und einrichtung zum herstellen eines stranges aus metall | |
DE19637917C2 (de) | Verfahren und Einrichtung zum Entwurf oder zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie | |
DE4340415C2 (de) | Steuerverfahren für Spritzgießmaschinen | |
EP0756219A2 (de) | Verfahren zur Überwachung von Produkteigenschaften und Verfahren zur Regelung eines Herstellungs-prozesses | |
DE4416317A1 (de) | Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses | |
DE2344920A1 (de) | Vorrichtung und verfahren zur regelung eines walzwerkes | |
EP3733323A1 (de) | Verfahren und stranggiessanlage zum giessen eines giessstrangs | |
EP3642372B1 (de) | Verfahren zum betreiben eines glühofens | |
EP3173166B1 (de) | Verfahren und vorrichtung zum einstellen der breite eines stranggegossenen metallstrangs | |
WO2020244850A1 (de) | VORRICHTUNG UND VERFAHREN ZUR STEUERUNG KOMPLEXER PRODUKTIONSABFOLGEN IN GROßTECHNISCHEN ANLAGEN INSBESONDERE DER STAHLINDUSTRIE | |
DE3418501A1 (de) | Vorrichtung zur praediktiven zeitdiskreten ein-aus-regelung zeitkontinuierlicher prozesse mit binaer wirkenden stellelementen | |
DE19740691A1 (de) | Verfahren und Einrichtung zur Kühlung von Metallen in einem Hüttenwerk | |
EP0977897A1 (de) | Verfahren und einrichtung zur kühlung von metallen in einem hüttenwerk | |
WO2021110300A1 (de) | Verfahren und computersystem zur vorhersage einer schrumpfung eines gegossenen metallproduktes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8130 | Withdrawal |